Аутентификация пользователя по электроэнцефалографическим сигналам при моргании

  • Лев Александрович Станкевич Санкт-Петербургский политехнический университет Петра Великого, ул. Политехническая, д. 29, 195251, Санкт-Петербург, Россия
  • Сабина Сергеевна Аманбаева Санкт-Петербургский политехнический университет Петра Великого, ул. Политехническая, д. 29, 195251, Санкт-Петербург, Россия
  • Александр Викторович Самочадин Санкт-Петербургский политехнический университет Петра Великого, ул. Политехническая, д. 29, 195251, Санкт-Петербург, Россия
Ключевые слова: электроэнцефалограмма, аутентификация, моргание, электроокулограмма, машинное обучение, классификация, Muse Headband, дистанционное образование.

Аннотация

В статье представлены результаты исследования в области применения электроэнцефалографии (ЭЭГ) для аутентификации человека. Разработан и описан алгоритм ЭЭГ-аутентификации на основе морганий. Аутентификация проводится по одному морганию, что занимает 2–5 секунд. Для сбора данных используется электроэнцефалограф Muse. Предобработка данных включает вейвлет-преобразование и выделение морганий. В качестве признаков используются геометрические характеристики ЭЭГ. Распознавание ведется классификатором на основе Случайного леса (Random Forest). По результатам тестирования процент верной аутентификации составил 95 %. Имеется возможность фоновой аутентификации. Реализованная система может быть использована для аутентификации студентов при дистанционном образовании.

Биографии авторов

Лев Александрович Станкевич, Санкт-Петербургский политехнический университет Петра Великого, ул. Политехническая, д. 29, 195251, Санкт-Петербург, Россия

Кандидат технических наук, доцент, ведущий программист лаборатории «Системы управления мобильными устройствами» Института компьютерных наук и технологий СПбПУ, stankevich_lev@inbox.ru

Сабина Сергеевна Аманбаева, Санкт-Петербургский политехнический университет Петра Великого, ул. Политехническая, д. 29, 195251, Санкт-Петербург, Россия

Лаборант лаборатории «Системы управления мобильными устройствами» Института компьютерных наук и технологий СПбПУ, sabisha2704@mail.ru

Александр Викторович Самочадин, Санкт-Петербургский политехнический университет Петра Великого, ул. Политехническая, д. 29, 195251, Санкт-Петербург, Россия

Кандидат технических наук, доцент, заведующий лаборатории «Системы управления мобильными устройствами» Института компьютерных наук и технологий СПбПУ, samochadin@gmail.com

Литература

Higher Education Opportunity Act (Public Law 110-315), Aug. 14, 2008, USA.

T. Matsumoto. Impact of Artificial “Gummy” Fingers on Fingerprint Systems. Optical Security and Counterfeit, 2002, no. IV, vol. 4677, pp. 275–289.

K. A. Nixon et al. Handbook of Biometrics, chap. Spoof detection schemes, 2008, pp. 403–423.

A. Anoklin et al. A genetic study of the human low-voltage electroencephalogram, Human Genetic, 1992, vol. 90, pp. 99-112.

F. Vogel. The genetic basis of the normal EEG, Human Genetic, 1970, vol. 10, pp. 91–114.

Д. А. Тимофеев, М. Ю. Маслов. Архитектура системы сбора и обработки данных для повышения производительности труда разработчиков программного обеспечения // Научнотехнические ведомости СПбПУ. Информатика. Телекоммуникации. Управление. 2018.

Gelareh Mohammadi et al. Person Identification by Using AR Model for EEG Signals. Proceedings of World Academy of Science, Engineering and Technology. Vol. 11, February, 2006.

B. C. Armstrong et al. Assessing the uniqueness, collectability, and permanence of a novel method for erp biometrics. Neurocomputing. 2015.

S. K. Yeom et al. Person authentication from neural activity of face-specific visual self-representation. Pattern Recognition. 2013.

S. Marcel, J.D.R. Millan. Person authentication using brainwaves (eeg) and maximum a posteriori model adaptation. IEEE Trans. Pattern Anal. Mach. Intell. 2007.

C. Miyamoto et al. Biometric person authentication using new spectral features of electroencephalogram (EEG). Proceedings of the 2008 International Symposium on Intelligent Signal Processing and Communications Systems; Bangkok, Thailand. 8–11 February 2009.

Z. Mu, J. Hu, J. Min, — EEG-Based Person Authentication Using a Fuzzy Entropy-Related Approach with Two Electrodes. Entropy. 2016.

M. Abo-Zahhad et al. A new multi-level approach to eeg based human authentication using eye blinking. Pattern Recognition. Lett. 2016.

D. Denney, C. Denney, The eye blink electro-oculogram. Br. J. Ophthalmology. 68(4), pp. 225–228, 1984.

T. Ohya et al. Research of Operation Method of Accessibility Equipment for Severely Handicapped Based on Voluntary Eye Blink. In: Goh J. (eds.) The 15th International Conference on Biomedical Engineering. IFMBE Proceedings, vol. 43. Springer, Cham, 2001.

L. Breiman. Random Forest. Machine Learning, 45: 5-32, 2001.

http://scikit-learn.org/stable/.../cross_validation.

Д. Бизли. Python. Подробный справочник. Программирование. Перевод с англ. – СПб.: СимволПлюс, 2010, 864 с.

Jupyter-Notebook: https://realpython.com/jupyter-notebook-introduction/

Krigolsan, O.E. et al. (2017). Choosing MUSE validation of Low-Cost, Portable EEG System for ERP Research. Frontiers in Neuroscience, 11:109 (doi: 10.3389/fnins.2017.00109).

Muse SDK: https://choosemuse.com/development/ (дата обращения: 9.10.19).

PyMuse package: http://polycortex.polymtl.ca/ (дата обращения: 9.10.19).

Machine Learning in Python http://scikit-learn.org/ (дата обращения: 9.10.19).

Опубликован
2019-09-30
Как цитировать
Станкевич, Л. А., Аманбаева, С. С., & Самочадин, А. В. (2019). Аутентификация пользователя по электроэнцефалографическим сигналам при моргании . Компьютерные инструменты в образовании, (3), 52-69. https://doi.org/10.32603/2071-2340-2019-3-52-69
Выпуск
Раздел
Информационные системы